2008 Fiscal Year Annual Research Report
一般化かんばん方式とニューロDPによるSCMの最適化に関する研究
| Project/Area Number |
20510148
|
|---|
| Research Institution | Aichi Institute of Technology |
|---|
Principal Investigator |
大野 勝久 Aichi Institute of Technology, 経営情報科学部, 教授 (50026118)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田村 隆善 名古屋工業大学, 工学研究科, 教授 (70093101)
中出 康一 名古屋工業大学, 工学研究科, 教授 (50207825)
岩瀬 雅治 文京学院大学, 経営学部, 準教授 (70213288)
鈴木 達夫 愛知工業大学, 経営情報科学部, 教授 (00064949)
近藤 高司 愛知工業大学, 経営情報科学部, 教授 (60121357)
|
|---|
| Keywords | SCMの最適化 / ニューロDPアルゴリズム / 一般化かんばん方式 / 確率最適制御 / マルコフ決定過程 / 強化学習 |
|---|
| Research Abstract |
本研究の主たる目的は,これまでの研究成果であるニューロDPアルゴリズムSBMPIMの基準政策として,プル方式中で最も良い性能を持つ,最適化された一般化かんばん方式から得られる発注・生産・配送政策を用い,現実の多品目多段階SCMの準最適発注・生産・配送政策を計算できるアルゴリズムSBMPIMを開発することである。さらに,得られた準最適政策に基づき,部品・原材料の調達から製品の生産・物流・販売に至る全過程を,部門間あるいは企業間で情報を共有し,企業の枠を越え,一体となって全体最適を目指す,JIT理念に基づくSCMを構築することを最終の目的とする。
一般化かんばん方式は,各段階の各品目に対する引き取りかんばん枚数,生産指示かんばん枚数と基点在庫量を決めることで設定される。したがって,多品目多段階の一般化かんばん方式を最適に設定するためには,全ての設定値の組み合わせに対してシミュレーションによる性能評価を行わなければならない。しかし,その組み合わせ数は膨大となるため,タブー探索法等のメタヒューリスティクスに基づいた最適化アルゴリズムを開発しなければならない。平成20年度においては,一般化かんばん方式を最適に設定する,シミュレーションとタブー探索法を用いた最適化アルゴリズムを開発し、発注・生産・配送政策を計算できることを確かめ,現在論文を執筆中である。今年度はこの政策を基準政策として採用したニューロDPアルゴリズムSBMPIMを開発し,さらに最適化アルゴリズムに採用するシミュレーションの精度を検証し,実用化を目指す予定である。
|
